基于改进的多目标量子行为粒子群优化算法的多无人机协同任务分配

为在给定的时间内以最小代价和最大效益完成任务,建立了多无人机协同任务分配问题的多目标优化模型.采用改进的多目标量子行为粒子群优化算法求解最优任务分配方案,定义了一种从所求候选方案中选取最优分配方案的自主选择准则.对比分析多目标粒子群优化、多目标进化算法和该文算法所求的最优分配方案.仿真结果表明该文算法能够较快地求解问题,而且所求最优任务分配方案的性能优于其它三种算法.     

基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

一种面向绿色制造的多目标车间调度方法

提出了一种新的面向绿色制造的多目标车间调度方法,通过将调度目标分解为竞争性指标和可持续性指标,分别建立了竞争性指标的调度模型和可持续性指标的评价模型,并基于改进的遗传算法求解出多组满足竞争性指标的Pareto最优解;然后从这些解中模糊优选出可持续性指标值最好的协调解,即为所求的绿色调度方案。实例研究表明,该方法在保证生产效益的前提下,能够使制造过程的资源消耗和环境影响最小,有效地解决了绿色制造中的多目标调度优化问题。     

耦合多目标优化和多属性决策的水库生态调度方法研究

针对水库生态调度的模型构建和求解问题展开研究,提出了一种耦合多目标相关分析、多目标优化和多属性决策的水库生态调度方法。基于对水库实际调度目标的抽取和数学描述,采用相关性分析方法,分析各目标之间的相关关系,从而构建出水库生态调度多目标模型。采用NSGA-II法对模型进行求解,获得Pareto最优调度方案。基于备选方案逐次淘汰法(SEABODE)对优化求解结果进行多属性决策优选,获得最终调度方案。将建模方法、优化算法、优选方法耦合,从而形成一种贯通"建模-求解-优选"全过程的水库生态调度方法。以林家村水库为例,验证了该方法的有效性和应用效果,从而为水库生态调度提供了一种新的思路和方法。     

多技能资源投入项目调度问题的建模与优化

以大型工业品移动装配线为实际背景,针对多技能人力资源投入成本问题,建立了以最小化资源投入成本为目标的数学模型.针对该模型,提出了基于全局作业影响的改进调度机制的遗传算法,设计最小费用最大流多技能资源分配算法解决资源分配问题,通过基于全局资源水平影响的作业调度评估策略优化非关键作业的调度位置.最后利用改造的标准算例库PSPLIB进行数值试验,通过与CPLEX和文献算法对比,验证了本文算法的有效性.     

分散复杂多水源原水系统一级优化调度

珠海市汛期降雨充沛,水库集雨面积大,且各水库均是自流供水,合理分配各水库供水量,有效地利用降雨大这一有利条件是珠海水司汛期调度的一大重点.针对珠海市分散复杂多水源原水系统河库并存、库库连通和汛期多雨水的特点,建立了以取水泵站能耗最小、水库运行末水位偏离水库控制水位最小为目标的一级优化调度模型,通过遗传算法对模型进行求解,结果显示优化后的调度方案在满足实际调度需求的前提下,节能优势明显,而此模型的建立,也为分散复杂多水源原水系统的一级优化调度提供了一种新的思路.     

基于生物地理学算法的微电网多目标优化调度

针对含风力发电机、光伏电池、微型燃气轮机、柴油发电机、蓄电池组成的微电网系统优化调度问题,设置系统相关约束条件,建立以运行成本最小、用户停电损失费用最小及环保成本最低的微电网多目标优化调度模型,采用生物地理学算法对模型进行求解;对某独立型微电网算例的单目标优化调度与多目标优化调度的仿真结果进行对比。结果表明:单目标下的微电网优化调度,虽然可以在单一方面达到最优,但是以其他目标的增加为代价;多目标优化调度综合考虑了微电网的经济性、节能型、可靠性之间关系,实现了运行成本、用户停电损失费用、环保成本下的全局最优,可根据用户的实际需求提供一种更合理的微电网优化调度方案。     

多集装箱码头内集卡调度方法

针对多集装箱码头内集卡调度问题设计一种新型调度方案.在满足码头集卡数量及经验需求情况下,综合考虑集卡的效率和集卡调运能耗,提出多目标混合整数规划模型,并采用匈牙利算法进行求解.通过算例分析,得出该模型下多目标函数的一组最优解,证明利用所建立的模型和算法可以在有效时间内快速找到最优的集卡调度方案,表明了该集卡调度方法的可行性.     

一种多目标运输问题的优化模型

文章建立了以总运费最小为第1化目标,以供应点和需求点之间的最大单程费用最小为第2标的多目标优化模型,并给出了优化模型非支配解集的求解方法,从而可以为决策者提供多种运输调度的优化方案;通过实际应用表明,该优化模型和求解方法具有很大的实用性和灵活性。     

大兴安岭森林火灾应急资源优化调度研究

针对大兴安岭森林火灾救援中的单出救点、多需求点的二级应急资源分配系统,首先,基于大兴安岭森林火灾的发生规律、火势蔓延的影响因子,以及火势蔓延模式,改进已有的林火火势蔓延趋势模型.其次,根据着火点火势蔓延速度,区分受灾点灾情程度,确定分配应急资源的优先度.最后,进行应急资源分配和救援消防车辆的优化调度.针对前者,以森林损失和救援开支费用最小为目标,建立资源分配优化模型;针对后者,以火灾应急物流系统所需时间最少和费用最小为目标,建立多目标优化模型,并用免疫克隆算法进行求解.实例证明该模型完善了森林火灾救援中应急资源调度体系,为资源的合理调配提供了指导.     

基于对偶分解的 MU-CoMP 联合资源分配算法

在MU-CoMP-JT(multi-users coordinated multiple-points joint transmission)资源分配算法中,大多数将功率分配与子载波分配分为独立的2个部分进行独立求解,这样势必会降低系统性能,而实际上子载波分配和功率分配是密切相关的.为了有效地提升系统吞吐量,采用了迫零预编码技术,研究了一种在多个小区和多个子信道之间联合优化用户调度与功率分配的资源分配算法,该算法以最大化用户权重速率为目标,基于对偶分解理论,将原优化问题分解为多个独立优化的子问题.仿真结果表明,该算法与最优的穷尽分配算法相比性能有所降低,但有效地降低了复杂度,同时也能获得较好的性能.     

基于任务分类思维的云计算海量资源改进调度

对云计算海量数据下的资源调度的研究过程中,进行资源调度时资源分配无法到达合理化调度,存在资源调度效率低的问题。提出分类思维的云计算海量数据资源优化调度方法。该方法引入膜计算概念,将云计算下的海量资源调度的总任务划分为多个子任务,并详细计算每个子任务的资源调度任务量。将优化调度系统内部分解为主膜和辅助膜,利用蝙蝠算法在辅助膜内进行资源分配个体寻优,并将优化后的资源分配最优个体传送到主膜间进行云计算海量数据下的资源分配优化。实验仿真证明,基于改进膜计算蝙蝠算法的云计算海量数据下的资源优化调度方法调度效率高,分配较为均衡。     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

基于概率冗余调度的可靠P2P计算模型

为了实现动态、不稳定环境下的可靠P2P计算,提出了一种基于概率冗余调度的可靠P2P计算模型.该模型利用P2P任务调度成功率与资源稳定性、资源冗余度之间的概率关系计算任务调度的优化冗余度,不仅能获得较好的任务调度性能,而且在概率上保证了系统任务调度的可靠性.文中还设计了基于概率冗余的可靠任务调度算法,实验结果验证了提出的模型和算法的有效性.     

基于项目拆分决策的多模式资源投入

结合一类实际生产决策需求,提出了基于项目拆分决策的多模式资源投入调度问题,并以资源投入最小化为优化目标,建立了问题的数学模型.针对模型特点,提出了包含项目拆分算法和多模式资源投入型项目调度算法的双层优化算法,其中项目拆分算法通过将作业在不同子项目之间有效移动获得合理的拆分方案,多模式资源投入型项目调度算法通过分析不同作业对时间约束和资源约束的影响来确定优先级规则,进而得到最佳调度方案.应用PSPLIB标准算例进行数据实验,结果证明了算法的有效性和可靠性.     

面向多任务的弹药调度系统任务成功概率评估

<正>确评估弹药调度系统的任务成功概率,作为装备可靠性分析的重要内容,是制定装备保障方案和优化配置保障资源的重要依据。针对多任务调度系统的复杂性,以流水网络计划为框架,计算分系统调度进度时间参数。考虑工序单元故障及修复时间的情况下动态调整分系统的任务量,最终确定任务总工期。以此将任务总工期作为任务成功概率的比较数据,根据工序持续时间及故障时间分布产生随机数据,应用蒙特卡洛方法对仿真结果进行统计分析,建立了任务成功概率评估模型。并且分析了几类维修资源配置情形下的仿真操作方法,提高了评估方法的实际应用能力。最后,通过一个算例验证评估方法的有效性和实用性。     

TD-LTE系统动态资源分配算法研究

动态资源分配算法能够有效提高频谱利用效率、系统容量以及减少发射功率。在TD-LTE通信系统中,下行链路采用了OFDMA(orthogonal frequency division multiple access)技术,动态资源分配问题常建模为在非线性限制条件下求解非线性目标函数的最优化问题。针对无约束条件迭代算法、速率自适应算法与边界自适应算法分配特点,分析了动态资源分配算法如何满足TD-LTE(time division-long term evolution)中多媒体业务不同QoS需求。对3种主流算法复杂度、容量、发射功率等技术指标进行分析比较。同时讨论了如何使算法具有低复杂度并能使网络达到良好技术指标,以及将资源块与功率结合分配的解决思路。为TD-LTE系统的动态资源分配算法研究提供了可行方案。     

基于粒子群算法的多项目资源均衡方法研究

针对传统粒子群算法容易陷入局部最优的缺点,提出利用动态惯性权重参数和模拟退火算法修改突变概率,进而改进传统粒子群算法,探讨各项目工期最短情况下的多项目资源均衡分配问题。通过对比试验表明,改进的粒子群优化(particle swarm optimization,PSO)算法很好地实现了多项目的资源均衡优化,通过同比试验验证了改进PSO算法在解决不同规模多项目的资源均衡问题时的算法时间复杂度的线性增长性,很好地表达了人们的调度意图。     

一种用于云计算的数据容灾分配算法的改进

在云计算环境下进行数据容灾分配,可以提高云计算数据资源调度能力。传统算法采用粒子群数据聚类方法进行数据的容灾分配,数据负载均衡差,同时消耗数据任务调度的吞吐率。提出一种新的数据容灾分配改进算法。首先建立云计算环境下数据容灾分配层次结构模型,计算整个数据资源处理平台的整体响应时间,将云计算下的数据资源容灾分配优化问题转化为数据资源分配响应时间最小化问题;利用多用户QoS开销适应度运算机制和粒子群聚类算法对云计算中数据资源任务进行权衡分配,减少数据权衡调度时间,提高数据容灾备份能力。实验结果表明,采用改进算法可以提高数据容灾分配时数据的召回率和云计算数据任务权衡调度能力,在云计算信息处理中具有较好的应用价值。     

认知网中多时隙联合频谱感知和功率分配

为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,提出了一种多时隙频谱感知和功率分配的联合优化方案。该方案将系统的每个帧分为若干个时隙,每个时隙分别进行频谱感知,通过合并每个时隙的感知结果,有效的提高了系统的检测精度,降低了系统的干扰概率。同时理论分析了感知时间与传输功率分配方案,发现两者都存在最优分配解,在约束认知用户检测概率与传输功率的基础上,将吞吐量描述为关于感知时间与功率的多约束优化问题,通过设计联合迭代算法对认知吞吐量进行了联合优化并获得了最优感知时间与最优传输功率分配。仿真结果表明,所提联合优化方案吞吐量性能最接近理论最优方案,并可通过牺牲部分吞吐量性能降低系统干扰概率,且复杂度较低。